[發明專利]分類規則獲取方法及裝置

有效

• 申請號: 202010537532.4
• 申請日: 2020-06-12
• 公開（公告）號: CN111783995B
• 公開（公告）日: 2022-11-29
• 發明（設計）人: 王聰;沈承恩;楊善松
• 申請（專利權）人: 海信視像科技股份有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 北京弘權知識產權代理有限公司 11363
• 代理人: 郭放;許偉群

1.一種分類規則獲取方法，其特征在于，包括：

利用SWEM模型將樣本數據集表示成不同類別的樣本數據，所述SWEM模型具有預設分類規則；所述樣本數據集為文本數據集，所述樣本數據為文本數據；

將所述不同類別的樣本數據進行驗證，在所有類別中確定第一衡量指數最小的第一目標類別，以及與所述第一目標類別之間具有最小第二衡量指數的第二目標類別，所述第一衡量指數用于衡量類別中樣本數據的可分性，所述第二衡量指數用于衡量類別之間樣本數據的可分性；

計算第一目標類別中樣本數據和第二目標類別中樣本數據的相似度，根據相似度確定所述第一目標類別與所述第二目標類別中相互重合的目標樣本數據；

根據所述第一目標類別與所述第二目標類別中相互重合的目標樣本數據確定驗證結果；

如果目標樣本數據重合度大于設定閾值，則確定所述驗證結果不理想；

結合所述預設分類規則，修改所述目標樣本數據所歸屬的類別，得到包含預設分類規則在內的優化后的分類規則；

根據優化后的分類規則設置SWEM模型的模型參數；

所述SWEM模型根據優化后的分類規則對數據集進行分類；

其中，利用SWEM模型將樣本數據集表示成不同類別的樣本數據的步驟包括：

將樣本數據集劃分成若干個短文本；

對所述短文本進行分詞處理，得到若干個詞；

將每個詞表示成詞向量；

將所述樣本數據集以詞向量的形式輸入到所述SWEM模型中，獲得不同類別的樣本數據，所述樣本數據為SWEM模型輸出的稠密向量。

2.根據權利要求1所述的方法，其特征在于，在所有類別中確定第一衡量指數最小的第一目標類別，以及與所述第一目標類別之間具有最小第二衡量指數的第二目標類別的步驟包括：

分別計算出兩兩類別之間的第二衡量指數；

利用每個類別相關的所述第二衡量指數，計算出每個類別的第一衡量指數；

在所有類別中確定所述第一衡量指數最小的第一目標類別；

在所有類別中確定與所述第一目標類別相關的最小第二衡量指數對應的第二目標類別。

3.根據權利要求2所述的方法，其特征在于，根據如下公式計算出兩兩類別之間的第二衡量指數：

其中，表示類別與類別之間的第二衡量指數，表示類別與類別之間的類間距離，表示類別的類內距離。

4.根據權利要求3所述的方法，其特征在于，根據如下公式計算出類別與類別之間的類間距離：

其中，表示類別的均值向量，表示類別的均值向量。

5.根據權利要求3所述的方法，其特征在于，根據如下公式計算出類內距離：

其中，表示類別中第個樣本數據，表示類別的均值向量。

6.根據權利要求3所述的方法，其特征在于，根據如下公式計算出每個類別的第一衡量指數：

其中，表示類別的第一衡量指數，表示類別數量，表示類別中的樣本數據的數量。

7.根據權利要求2所述的方法，其特征在于，利用每個類別相關的所述第二衡量指數，計算出每個類別的第一衡量指數之后，還包括：計算出整個樣本數據集的數據集衡量指數。

8.根據權利要求7所述的方法，其特征在于，根據如下公式計算數據集衡量指數：

其中，表示數據集衡量指數，表示類別的第一衡量指數，表示類別數量。